論文の概要: Multiphysics discovery with moving boundaries using Ensemble SINDy and
Peridynamic Differential Operator
- arxiv url: http://arxiv.org/abs/2303.15631v1
- Date: Mon, 27 Mar 2023 23:05:21 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-29 17:09:53.814849
- Title: Multiphysics discovery with moving boundaries using Ensemble SINDy and
Peridynamic Differential Operator
- Title（参考訳）: Ensemble SINDy と Peridynamic Differential Operator を用いた移動境界を用いた多物理探査
- Authors: A. C. Bekar, E. Haghighat, E. Madenci
- Abstract要約: 本研究では,移動境界を持つ現象の物理を学習するための新しい枠組みを提案する。
提案手法は Ensemble SINDy と Peridynamic Differential Operator (PDDO) を組み合わせたものである。
この手法のロバスト性は, 測定データ中の様々なレベルのノイズを考慮することで実証される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This study proposes a novel framework for learning the underlying physics of
phenomena with moving boundaries. The proposed approach combines Ensemble SINDy
and Peridynamic Differential Operator (PDDO) and imposes an inductive bias
assuming the moving boundary physics evolve in its own corotational coordinate
system. The robustness of the approach is demonstrated by considering various
levels of noise in the measured data using the 2D Fisher-Stefan model. The
confidence intervals of recovered coefficients are listed, and the
uncertainties of the moving boundary positions are depicted by obtaining the
solutions with the recovered coefficients. Although the main focus of this
study is the Fisher-Stefan model, the proposed approach is applicable to any
type of moving boundary problem with a smooth moving boundary front without a
mushy region. The code and data for this framework is available at:
https://github.com/alicanbekar/MB_PDDO-SINDy.
- Abstract（参考訳）: 本研究では,移動境界を持つ現象の物理を学習するための新しい枠組みを提案する。
提案手法はEnsemble SINDy と Peridynamic Differential Operator (PDDO) を組み合わせて,移動境界の物理が自身の回転座標系で進化することを前提として誘導バイアスを与える。
2D Fisher-Stefanモデルを用いて測定データ中の様々なレベルのノイズを考慮し, 提案手法のロバスト性を示す。
回収係数の信頼区間を列挙し、回収係数の解を求めることにより、移動境界位置の不確かさを図示する。
本研究の主な焦点はフィッシャー-ステファンモデルであるが, 提案手法は, 粘性領域のない滑らかな移動境界面を有する任意の移動境界問題に適用可能である。
このフレームワークのコードとデータは、https://github.com/alicanbekar/mb_pddo-sindyで入手できる。
関連論文リスト
- Data-Driven Discovery of Conservation Laws from Trajectories via Neural Deflation [3.071425160462239]
本手法は,システムトラジェクトリから直接開発する。
本手法の結果と, 各種事例で得られた保全法数について概説する。
論文 参考訳（メタデータ） (2024-10-07T19:22:55Z) - Differentially Private Gradient Flow based on the Sliced Wasserstein Distance [59.1056830438845]
本稿では,確率測度空間の勾配流に基づく新しい微分プライベートな生成モデリング手法を提案する。
実験により,提案モデルが低プライバシー予算で高忠実度データを生成可能であることが示された。
論文 参考訳（メタデータ） (2023-12-13T15:47:30Z) - Variational Inference for SDEs Driven by Fractional Noise [16.434973057669676]
マルコフ近似分数的ブラウン運動(fBM)によって駆動される(神経)微分方程式(SDE)の推論を行うための新しい変分フレームワークを提案する。
本稿では, ニューラルネットワークを用いて, 変動後部におけるドリフト, 拡散, 制御条件を学習し, ニューラルSDEの変分学習を実現することを提案する。
論文 参考訳（メタデータ） (2023-10-19T17:59:21Z) - A Computational Framework for Solving Wasserstein Lagrangian Flows [48.87656245464521]
一般に、最適密度経路は未知であり、これらの変動問題の解法は計算的に困難である。
本稿では,これらすべての問題に統一的な視点からアプローチする,新しいディープラーニングベースのフレームワークを提案する。
提案手法は, 単セル軌道推定における従来の手法より優れていることを示す。
論文 参考訳（メタデータ） (2023-10-16T17:59:54Z) - DeNoising-MOT: Towards Multiple Object Tracking with Severe Occlusions [52.63323657077447]
DNMOTは、複数のオブジェクト追跡のためのエンドツーエンドのトレーニング可能なDeNoising Transformerである。
具体的には、トレーニング中にノイズを伴って軌道を拡大し、エンコーダ・デコーダアーキテクチャのデノイング過程をモデルに学習させる。
我々はMOT17,MOT20,DanceTrackのデータセットについて広範な実験を行い,実験結果から,提案手法が従来の最先端手法よりも明確なマージンで優れていることが示された。
論文 参考訳（メタデータ） (2023-09-09T04:40:01Z) - A Geometric Perspective on Diffusion Models [57.27857591493788]
本稿では,人気のある分散拡散型SDEのODEに基づくサンプリングについて検討する。
我々は、最適なODEベースのサンプリングと古典的な平均シフト(モード探索)アルゴリズムの理論的関係を確立する。
論文 参考訳（メタデータ） (2023-05-31T15:33:16Z) - Counting edge modes via dynamics of boundary spin impurities [0.0]
静的対称性破断境界場の存在下での一次元イジングモデルのダイナミクスについて検討する。
境界とバルク磁場が変化するにつれて、エッジモードの数の変化と直接対応する異なる電力法則を観察する。
論文 参考訳（メタデータ） (2021-11-22T18:58:40Z) - Bayesian Learning via Neural Schr\"odinger-F\"ollmer Flows [3.07869141026886]
我々は、勾配ランゲヴィン力学(SGLD)のような一般的な定常法に代わる有限時間制御を提唱する。
我々は、このフレームワークの既存の理論的保証について議論し、SDEモデルにおける既存のVIルーチンとの接続を確立する。
論文 参考訳（メタデータ） (2021-11-20T03:51:18Z) - Leveraging Global Parameters for Flow-based Neural Posterior Estimation [90.21090932619695]
実験観測に基づくモデルのパラメータを推定することは、科学的方法の中心である。
特に困難な設定は、モデルが強く不確定であるとき、すなわち、パラメータの異なるセットが同一の観測をもたらすときである。
本稿では,グローバルパラメータを共有する観測の補助的セットによって伝達される付加情報を利用して,その不確定性を破る手法を提案する。
論文 参考訳（メタデータ） (2021-02-12T12:23:13Z) - A Framework for Fluid Motion Estimation using a Constraint-Based
Refinement Approach [0.0]
制約に基づく精錬手法を用いて流体運動推定のための一般的な枠組みを定式化する。
この結果から, 流体流動の古典的連続性方程式に基づく近似式が得られた。
また、系を対角化するコーシー・リーマン作用素との驚くべき関係を観察し、流れの発散と曲率を含む拡散現象を導いた。
論文 参考訳（メタデータ） (2020-11-24T18:23:39Z) - Fast Gravitational Approach for Rigid Point Set Registration with
Ordinary Differential Equations [79.71184760864507]
本稿では,FGA(Fast Gravitational Approach)と呼ばれる厳密な点集合アライメントのための物理に基づく新しい手法を紹介する。
FGAでは、ソースとターゲットの点集合は、シミュレーションされた重力場内を移動しながら、世界規模で多重リンクされた方法で相互作用する質量を持つ剛体粒子群として解釈される。
従来のアライメント手法では,新しいメソッドクラスには特徴がないことを示す。
論文 参考訳（メタデータ） (2020-09-28T15:05:39Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。